borjaperfra/launch-video-kit

launch-video-kit 是做什么的？

Seis piezas para la parte del vídeo que no es el diseño: audio, subtítulos y cámara. El README es la referencia (el porqué de cada decisión y los números que la respaldan). Esto es el orden de trabajo y las reglas que es fácil saltarse.

El orden importa

1. La voz primero, el montaje después. gen-voice.mjs imprime la duración real de cada línea en frames. Esos números fijan los tiempos de escena. Si montas primero, cada toma real te descuadra el montaje y hay que rehacerlo.
2. Después la música, eligiendo la ventana por su arco de energía (analyze-music.mjs) y alargándola si hace falta (loop-music.mjs).
3. Luego los cortes, atados a la rejilla de compases que imprime el análisis.
4. Los subtítulos al final, cuando ya sabes qué frases tienen rótulo en pantalla y cuáles no.

Reglas que se saltan solas

• Un fichero de voz por línea. Nunca una toma larga.
• Subtitula solo lo que no está escrito en pantalla. Si la frase ya aparece en un rótulo, subtitularla duplica el texto en el mismo sitio.
• dur de un subtítulo es tiempo de lectura, no la duración de la voz. Recorta los rangos a mano para que ninguno pise al siguiente ni al rótulo que venga detrás.
• DUCK.base no pasa de ~0.85. Los tracks de librería vienen a 0 dB y cualquier efecto encima clipea.
• Cámara: quieta, con viajes cortos. Ni deriva continua (distrae) ni cortes secos (saltan). Y cada escena empieza en el encuadre donde acabó la anterior.
• Misma interfaz a los dos lados de una costura, mismo componente. Si una escena la pinta a mano, va a diferir en un detalle y ese detalle aparece de golpe al cambiar de bloque.
• Itera sobre los tiempos, no sobre el contenido. Un bucle sobre el array de contenido que indexe un array de tiempos más corto tumba el render en cuanto quitas un beat.

Verificar en vez de opinar

Un agente no ve el vídeo ni lo oye. Todo lo que parece subjetivo tiene un número:

# la mezcla, por tramos: la voz sobre música debe medir como la voz sola
ffmpeg -hide_banner -ss 27 -t 4 -i out.mp4 -af volumedetect -f null /dev/null

# el pico global tiene que quedar por debajo de -1 dB
ffmpeg -hide_banner -i out.mp4 -af volumedetect -f null /dev/null

# contact sheet en vez de revisar fotogramas de uno en uno
ffmpeg -v error -i f_%d.png -vf "scale=560:-1,tile=5x4" -frames:v 1 sheet.png

loop-music.mjs ya verifica sus propias costuras: si alguna no cae en silencio, lo dice y hay que elegir otros dos huecos.

Entorno

• Hacen falta ffmpeg y ffprobe en el PATH, y Node 20 o superior.
• En Git Bash sobre Windows: ffmpeg no soporta patrones glob y drawtext se cae por falta de fontconfig. Usa secuencias numeradas. Tampoco hay bc.
• staticFile() de Remotion no lleva bien espacios ni acentos: renombra los assets a ASCII.
• useVideoConfig().durationInFrames dentro de un <Sequence> es la duración de la SECUENCIA, no del vídeo. No lo mezcles con frames absolutos.

Lo que no puede hacer

Un TTS es habla, no respiración. Suspiros, risas y efectos hay que grabarlos. Los blips sintéticos sí salen de ffmpeg, hay un ejemplo en el README.